Lekérdezésfordító

1. Lekérdezésfordító Adatbázisok tervezése, megvalósítása, menedzselése

2. Elemzés Lekérdezés Elemző Előfeldolgozó Logikai lekérdezéstervet generáló Lekérdezésátíró Jónak vélt logikai lekérdezésterv

3. Leegyszerűsített nyelvtan I. <Lekérdezés> ::= <SFW> <Lekérdezés> ::= (<Lekérdezés>) <SFW> ::= SELECT <SelLista> FROM <FromLista> WHERE <Feltétel> <SelLista> ::= <Attribútum>, <SelLista> <SelLista> ::= <Attribútum>

4. Leegyszerűsített nyelvtan II. <FromLista> ::= <Reláció>, <FromLista> <FromLista> ::= <Reláció> <Feltétel> ::= <Feltétel> AND <Feltétel> <Feltétel> ::= <Sor> IN <Lekérdezés> <Feltétel> ::= <Attribútum> = <Attribútum> <Feltétel> ::= <Attribútum> = <Konstans> <Sor> ::= <Attribútum>

5. Elemzőfa • Az elemzőfa (parse tree) csomópontjai az alábbiak lehetnek: • atomok: azaz attribútumok, relációk nevei, konstansok, zárójelek, operátorok (+, < stb.), lexikai elemek (SELECT). • Szintaktikus kategóriák.

6. Példa I. • Szerepel (cím, év, név) Színész (név, cím, fizetés, születés) SELECT cím FROM szerepel WHERE név IN (SELECT név FROM színész WHERE születés = 1983);

7. <Lekérdezés> <SFW> SELECT <SelLista> FROM <FromLista> WHERE <Feltétel> <Attribútum> <Reláció> <Sor> IN <Lekérdezés> cím szerepel <Attribútum> (<Lekérdezés>) név <SFW> <SELECT> <SelLista> <FROM> <FromLista> <WHERE> <Feltétel> <Attribútum> <Reláció> <Attribútum> = <Konstans> név színész születés 1983

8. Előfeldolgozó • Ha a lekérdezésben nézettáblát használunk, akkor ezt a megfelelő elemzőfával helyettesíti. • Szemantikus ellenőrzés (semantic checking): • relációk használatának ellenőrzése, • attribútumnevek ellenőrzése és feloldása, • típusellenőrzés.

9. Elemzőfákból logikai lekérdezésterv • Ha a lekérdezés nem tartalmaz alkérdést, az átírás könnyen megy. • A <FromLista> relációinak vesszük a Descartes-szorzatát. • A <SelLista> helyett L szerepel, ahol L a <SelLista> attribútumlistája. • A <Feltétel>-t C-vel helyettesítjük, itt C értelemszerűen megadható.

10. cím  szerepel <Feltétel> <Sor> IN név születés=1983 <attribútum> név színész

11. Kétargumentumú kiválasztás • A kétargumentumú szelekció az elemzőfa szintaktikus kategóriái és a relációs algebrai operátorok közt képvisel átmenetet. • Az alkérdések átírásánál használatos. • A baloldali gyermeke a reláció, amire a kiválasztás vonatkozik. • A jobboldali gyermek a kiválasztó feltételt jeleníti meg. • Mindkét argumentum ábrázolható, mint elemzőfa, mint kifejezésfa és mint a kettő keveréke. • Szabályaink vannak, melyekkel a kétargumentumú kiválasztást "normális" kiválasztással és egy másik relációs algebrai operátorral helyettesítjük.

12. t IN S • Tegyük fel, hogy a baloldalon R reláció szerepel, a feltétel pedig t IN S alakú. • Ekkor: • a jobboldali feltételt az S-et létrehozó kifejezéssel helyettesítjük. Ha S-ben lehetnek ismétlődések, akkor ezeket ki kell küszöbölnünk. • a kétargumentumú kiválasztást C-vel helyettesítjük, ahol C-ben a t sor komponenseit tesszük egyenlővé S megfelelő attribútumaival. • C argumentumaként R és S szerepeljen.

13. cím Sze.név = Szí.név  Szerepel név születés=1983 Színész

14. Érdekes eset SELECT DISTINCT sz1.cím, sz1.év FROM szerepel sz1 WHERE sz1.év – 40 <= ( SELECT AVG(születés) FROM szerepel sz2, színész szí WHERE sz1.cím = sz2.cím AND sz1.év = sz2.év AND sz2.név = szí.név );

15. Szabály alapú optimalizálás • Szeretnénk minél kevesebb lemez olvasási és írási (I/O) műveletet végrehajtani egy-egy lekérdezés végrehajtása során. • Az legegyszerűbb megközelítés, ha igyekszünk minél kisebb méretű relációkkal dolgozni. • Az optimalizáció során relációs algebrai azonosságokat fogunk alkalmazni. Ezek segítségével egy lekérdezésből az eredetivel ekvivalens lekérdezést készítünk, amelynek kiszámítása az esetek többségében kevesebb I/O műveletet igényel majd. • A q, q’ relációs algebrai lekérdezések (vagy tetszőleges lekérdezések) ekvivalensek, ha tetszőleges I előfordulás esetén q(I) = q’(I) fennáll. Jelben: q  q’.

16. Egy példa… • A táblák legyenek: Film (cím, év, hossz) Szerepel (filmcím, év, színésznév) • Ekkor a következő lekérdezés: cím(σcím=filmcímF.év=Sz.évszínésznév='Edus' (F  Sz)) ekvivalens a cím(σcím=filmcímF.év=Sz.év(F  (σszínésznév='Edus' (Sz)))) lekérdezéssel. • Emellett az utóbbi valószínűleg gyorsabban végrehajtható.

17. Descartes-szorzat és összekapcsolások • Asszociativitás: (E1Θ E2)Θ E3 ≡ E1Θ (E2 Θ E3), ahol Θ{, |X|} és (E1|X|F1 E2)|X|F2 E3 ≡ E1|X|F1 (E2 |X|F2 E3), ha attr(F1)  attr(E1)  attr(E2) és attr(F2)  attr(E2)  attr(E3) • Kommutativitás: E1Θ E2 ≡ E2Θ E1, ahol Θ{, |X|, |X|F}.

18. Projekció és szelekció • Projekció sorozat: ΠX(ΠY(E)) ≡ ΠX(E), ha X  Y. • Kiválasztás és a feltételek konjunkciója: σF1F2 (E) ≡ σF1(σF2 (E)). • Kiválasztás és a feltételek diszjunkciója: σF1F2 (E) ≡σF1(E)  σF2(E). • Kiválasztás elé projekció beillesztése: ΠX(σF (E)) ≡ ΠX(σF (ΠY(E))), ahol Y = attr(F)  X.

19. Kiválasztás és Descartes-szorzat/összekapcsolás • Kiválasztás és Descartes-szorzat, összekapcsolás felcserélése: σF (E1Θ E2) ≡ σF (E1) Θ E2, ahol attr (F)  attr (E1) és ΘЄ {, |X|}. • Általánosabban: σF (E1Θ E2) ≡ σF1 (E1) ΘσF2 (E2), ahol attr (Fi)  attr (Ei) (i = (1, 2)), F = F1  F2 és ΘЄ {, |X|}.

20. Kiválasztás és Descartes-szorzat/összekapcsolás • Picit másképp: σ F (E1Θ E2) ≡ σF (E1) ΘσF (E2), ahol attr (F)  attr (E1)attr (E2) és ΘЄ {, |X|}. • Ezekből levezethető: σ F (E1Θ E2) ≡ σF2 (σF1 (E1) Θ E2), ahol attr (F1)  attr (E1), F = F1  F2, de attr (F2)  attr (Ei) nem teljesül (i = (1, 2)), ΘЄ {, |X|}.

21. Projekció és Descartes-szorzat/összekapcsolás • Projekció és Descartes-szorzat, összekapcsolás felcserélése: ΠX(E1 ΘE2) ≡ΠY(E1)ΘΠZ(E2), ahol X = Y  Z, Y  attr (E1), Z  attr (E2) és ΘЄ {, |X|}.

22. Projekció/kiválasztás és (multi)halmazműveletek • Kiválasztás és unió (különbség) felcserélése: σF (E1Θ E2) ≡σF (E1) ΘσF (E2), ahol Θ{, –}. • Projekció unióval való felcserélése: ΠX(E1E2) ≡ΠX(E1)ΠX(E2). • Megjegyzés: nincs általános szabály a projekció különbséggel való felcserélésére. • Multihalmaz-műveletek esetén a projekció szintén csak a multihalmaz-egyesítéssel cserélhető fel.

23. Ismétlődések kiküszöbölése • (R) = R például, ha • R-hez megadtunk egy elsődleges kulcsot, • R-et csoportosítás eredményeként kaptuk. • Ismétlődések kiküszöbölése és Descartes-szorzat, összekapcsolás: (R)  (S)  (R  S),  Є {, |X|, |X|F}. • Ismétlődések kiküszöbölése és a kiválasztás: (F(R))  F((R)). • Ismétlődések kiküszöbölése és multihalmaz-metszet: (R M S)  (R) M S  R M (S)  (R) M (S). • A halmazművelek és  felcserélése értelmetlen.

24. Csoportosítás kiküszöbölése • (L(R))  L(R). • L(R)  L(M(R)).

25. Példa optimalizálásra • A következő két feladathoz használt táblák: Személy (név, kor, város, ISBN) Könyv (cím, író, ISBN, ár) Kiad (k_cím, k_író, város, ország) • Kik azok, akik 20 évesek, és moszkvai kiadású könyvet kölcsönöztek ki? ΠN(σSz.ISBN=Kö.ISBNcím=k_címíró=k_írókor=20K.város=Moszkva (Sz  Kö  K))

26. Lekérdezésfa Πnév σSz.ISBN=Kö.ISBNcím=k_címíró=k_írókor=20K.város=Moszkva  Sz  Kö K

27. Kiválasztások "lejjebb csúsztatása" • Első lépésben a kiválasztások konjunkciós feltételeit daraboljuk szét elemi feltételekké a σF1F2 (E) ≡ σF1(σF2 (E)) szabály segítségével. • Ezek után alkalmazzuk a kiválasztás halmazműveletekkel illetve Descartes-szorzattal és a természetes összekapcsolással való felcserélésének szabályait. • Azaz: igyekszünk a kiválasztásokat minél hamarabb végrehajtani, hiszen azok jelentősen csökkenthetik a feldolgozandó köztes relációk méretét. • A Théta-összekapcsolást itt jobb, ha egy Descartes-szorzatra és egy azt követő kiválasztásra bontjuk. R |X|F S  σF (R  S).

28. Darabolás Πnév σSz.ISBN=Kö.ISBN σcím=k_címíró=k_író σkor=20 σK.város=Moszkva  Sz  Kö K

29. Letolás Πnév σSz.ISBN=Kö.ISBN  σcím=k_címíró=k_író σkor=20  Sz Kö σK.város=Moszkva K

30. Projekciók "beírása" • Ennél a lépésnél igyekszünk csak azokat az oszlopokat megtartani a (köztes) relációkban, amelyekre később szükség lesz. • Általában itt nem olyan nagy a nyereség. A projekciók végrehajtása viszont időt igényel, ezért meg kell gondolni, hogy tényleg végre akarjuk-e hajtani a vetítést. • Az átalakításoknál értelemszerűen a projekciókra vonatkozó szabályokat használjuk.

31. Πnév σSz.ISBN=Kö.ISBN  Πnév, ISBN ΠKö.ISBN σkor=20 σcím=k_címíró=k_író  Sz Πk_cim,k_író Kö σK.város=Moszkva K

32. Összekapcsolások • Az utolsó lépésben L(σC(R  S)), σC(R  S) kifejezéseket helyettesítjük természetes összekapcsolással, Théta-összekapcsolással úgy, hogy az eddigivel ekvivalens lekérdezést kapjunk.

33. Πnév |X| Πnév, ISBN ΠKö.ISBN σkor=20 |X|cím=k_címíró=k_író Πk_cim,k_író Kö Sz σK.város=Moszkva K

34. Mi történik, ha a diszjunkció is megjelenik? • Kik azok, akik 1000 forintos könyvet vásároltak, és még nincsenek 40 évesek, vagy moszkvaiak, és orosz kiadású könyvet vettek? ΠN(σC((ár=1000kor<40)(Sz.város=Moszkvaország=orosz)) (Sz  Kö  K)). • Itt Caz Sz.ISBN = Kö.ISBN  Kö.cím = K.k_cím  Kö.író = K.k_író feltételt jelöli.

35. Megoldás I.  Πnév Πnév || || Πnév,ISBN Πnév,ISBN ΠISBN ||cím=k_címíró=k_író σváros=Moszkva Πiró,cím σkor<40 σár=1000 Πk_író,k_cím Sz Kö σország=orosz Sz Kö K

36. Megoldás II. Πnév σ(kor<40ár=1000)(város=Moszkvaország=orosz) || σkor<40város=Moszkva ||cím=k_címíró=k_író Sz Kö Πk_író,k_cím,ország K

37. Összegzés • Ha tehát a kiválasztások feltételei diszjunkciót is tartalmaznak, a helyzet bonyolultabbá válik, és nem adható olyan egyértelmű optimalizációs algoritmus, mint konjunkciók esetén.

38. Kiválasztások feljebb csúsztatása • A következő példa azt szemlélteti, amikor egy kiválasztást • először felfelé kell csúsztatnunk, hogy aztán letolhassuk. • A táblák: • Film (cím, év, hossz) • Szerepel (filmcím, év, színésznév) CREATE VIEW film04 AS (SELECT * FROM film WHERE év = 2004); SELECT színésznév FROM film04 f, Szerepel sz WHERE cím = filmcím AND f.év = sz.év;

39. Kezdeti lekérdezésfa színésznév σcím=filmcímF.év=Sz.év  σév=2004 Sz F

40. Második lépés színésznév σcím=filmcímF.év=Sz.év σév=2004  F Sz

41. És az eredmény… színésznév σcím=filmcímF.év=Sz.év  σév=2004 σév=2004 Sz F

42. Feladat • A táblák legyenek: Film (cím, év, hossz) Szerepel (filmcím, év, színésznév) Színész (név, kor, város) • Adjuk meg, hogy a nem budapesti, negyven évesnél idősebb színészek milyen filmekben játszottak 1998-ban. A lekérdezést optimalizáljuk.

43. Költség alapú optimalizálás • A kiválasztott logikai lekérdezéstervet fizikai lekérdezéstervvé alakítjuk át. • Különböző fizikai lekérdezéstervek közt válogathatunk. • A legjobbat a költségek becslésével választjuk ki. • Egy-egy fizikai terv magában foglalja: • sorrend és csoportosítás megadását asszociatív és kommutatív műveletek esetén, • a megfelelő algoritmus kiválasztását minden egyes operátorhoz. • további műveletek megadását, amelyek a logikai tervben nem voltak jelen (beolvasás, rendezés, "extra" projekciók stb.), • annak módját, ahogy egy operátor továbbadja az argumentumokat egy másiknak.

44. A költség • A legfőbb költségtényező továbbra is az I/O műveletek száma. • A közbülső relációk általában nyaláboltan helyezkednek el, és ritka kivételektől eltekintve nem tartozik hozzájuk index. • Emiatt a köztes relációk esetén az I/O műveletek száma csak a reláció méretétől függ. • A sorok mérete jól becsülhető (átlag), vagy pontosan megadható. • Így a legfőbb kérdés: a közbülső reláció hány sort tartalmaz.

45. Milyen becslések kellenek? • Könnyen kiszámíthatóak. • Elég pontos becslést adnak. • Logikailag konzisztensek. Azaz: például az összekapcsolások esetén a becslés nem függ a relációk összekapcsolásának sorrendjétől. • Megjegyzés: a vetítések mérete sok esetben pontosan, vagy majdnem pontosan megadható.

46. Kiválasztás méretének becslése I. • S = A=c (R) esetén: ez Zipfian-eloszlás esetén is jó, ha a konstanst véletlenszerűen választjuk. • S = A<c (R) esetén: • S = Ac (R) esetén: T(S) = T(R), vagy:

47. Kiválasztás méretének becslése II. • S = C1C2 (R) esetén a szelektivitási tényezőkkel szorzunk. • Az előbbiek értelmében a szelektivitási tényező: 1, =1/V(R,A), < 1/3. • Példa: S = A=10B<20 (R) esetén hány sora lesz S-nek a becslésünk szerint? T(R) = 10000, V(R,A) = 50. • És S = A=10A>20 (R) esetén?

48. Kiválasztás méretének becslése III. • S = C1C2 (R) esetén tegyük fel, hogy m1 sor teljesíti C1-t és m2 sor C2-t. Ekkor (T(R) – m1) (T(R) – m2) sor nem teljesíti egyik feltételt sem. • Tehát: T(S) = T(R) – (T(R) – m1) (T(R) – m2).

49. Összekapcsolások méretének becslése I. • Théta-összekapcsolás esetén az R |X|C S  C (R  S) szabály használható. • Equi-join esetén a természetes összekapcsolásra vonatkozó becslések alkalmazhatóak. • A természetes összekapcsolás méretének becsléséhez tegyük fel, hogy R(X, Y), S(Y, Z) relációknál az Yegyetlen attribútumot tartalmaz. • Ekkor T(R|X|S) lehet: • 0, ha nincs közös y értéke a két reláció Y attribútumának. • T(R), ha Y S kulcsa, R-nek pedig idegen kulcsa. • T(R)T(S), egyetlen y érték szerepel R-ben és S-ben is.

50. Összekapcsolások méretének becslése II. • Két egyszerűsítő feltételezés, amelyek azonban sok esetben teljesülnek: • értékhalmazok tartalmazása: Y mindig egy rögzített y1, …, yklista elejéről kap értéket. Így: V(R, Y)  V(S, Y) esetén R minden értéke S-nek is értéke. • Értékhalmazok megőrzése: ha A nem összekapcsolási attribútum, akkor: V(R|X|S, A) = V(R, A). • Mindkét feltétel teljesül például, ha Y S-ben kulcs, R-ben idegen kulcs. • A második feltétel csak akkor nem teljesülhet, ha R-ben vannak lógó sorok, de még akkor sem feltétlen teljesül.